Mechanical insufflation-exsufflation use in neuromuscular disease: a single centre cohort study
Notice bibliographique
Résumé
Introduction Mechanical insufflation-exsufflation (MIE) is a commonly used therapy to augment secretion clearance in individuals with neuromuscular disease. There are no clear evidence-based guidelines on the settings that should be used in different diagnostic groups and how they should be titrated. We report on the settings used in the largest cohort of individuals using domiciliary MIE in the literature. Methods A retrospective observational study reporting on all individuals initiated on MIE for long-term domiciliary use at our centre, 2013–2019. Results This study reports on 359 adults established on domiciliary MIE. The most common diagnostic groups were congenital neuromuscular disease (26%), spinal cord injury (23%) and amyotrophic lateral sclerosis (23%). Median age at initiation was 55 years. Median (IQR) insufflation pressure was 35 (30–40) cm H 2 O and exsufflation pressure was 45 (40–50) cm H 2 O. Inspiratory time was 2.5 (2.3–2.8) s, expiratory time was 2.7 (2.3–2.8) s, and pause between expiration and inspiration was 2.0 (1.2–2.0) s. Median (IQR) survival following the initiation of MIE was 66 (54–78) months. Increasing age and amyotrophic lateral sclerosis were significantly associated with shorter life expectancy, while the delivery of MIE via oronasal interface compared with tracheostomy was associated with longer life expectancy. Conclusion This is the largest reported cohort of adults using domiciliary MIE. The most common groups using MIE were congenital neuromuscular disease, spinal cord injury patients and amyotrophic lateral sclerosis. The range of prescribed settings is narrow, reflecting the limited evidence base in this field and the need to better understand optimal targets for titration of different MIE settings.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».